向小而美說再見
向小而美說再見
2003.09.15 |

再見!「小而美」。在台灣的金融界中,將不再有你們的位置。當中信金控和萬通銀行的結婚進行曲悠然響起時,台灣金融界也為「小而美」的經營型態奏起了驪歌。
台灣金融業的整合,長期處在「只聞樓梯響,不見人下來」的階段,直到過去一年才有突破性的進展,中信金、富邦、台新、國泰等金控積極把對手納入旗下,台灣的金融業,一掃十年的停滯,出現較大變動。改變尤其著重在最關鍵的通路即銀行上面,十年來台灣的銀行,不是市占率高、病懨懨的公營銀行,就是銳意革新、卻沒有規模的民營銀行,以「小而美」的說法顧影自憐。

**台灣金融購併正起步

**
或許是信用卡一役,給了民營銀行勇氣。大約五年前,許多公營行庫在顧問公司推薦下,紛紛進入信用卡市場,但是一場廝殺下來,卻被民營銀行殺得片甲不留。於是當金控法通過,提供絕佳購併機會,躊躇滿志的民營金控,紛紛以購併來壯大自己。台灣的金融市場,開始見到公營老字號棄兵卸甲,以中信為首的金控,不再以「小而美」自滿,靠著購併後來居上,是未來台灣金融業的狠角色。搶不到新娘的金融業者逐漸失去了聲音。
在這群搶親失敗的銀行中,包括以模範生馳名的建華銀行和玉山銀行。他們能夠自外於潮流,繼續以「小而美」的姿態,占有一席之地嗎?隨著規模經濟在銀行的各種業務都越來越重要,答案恐怕是否定的。以信用卡為例,銀行要損益兩平,除非只做餘額代償,否則至少要有50萬張有效卡,要做到一年賺個十多億,沒有兩百萬張卡絕非易事。
對於目前仍然標榜「小而美」的銀行而言,雖然還是可以堅持「小而美」的原則,也不可能馬上發生危機,但是隨著獲利漸漸乏善可陳,在市場上的聲音也將越來越微弱。

**日、韓金融購併漸入佳境

**
其實,國際市場上不乏「小而美」的金融機構,例如雷曼兄弟(Lehman Brother)就是很好的典範,在債券市場一枝獨秀,其他領域也偶有佳作,是非常成功的利基市場玩家。然而這類的「小而美」,必須潛伏在極大的市場中。例如前述的雷曼兄弟,是以全球市場來經營利基,因此所謂「小而美」的雷曼兄弟,市值比台灣所有金控還大。然而台灣的金控,都只在台灣這個窄小的市場上競爭,難以侈言小而美,說穿了,台灣的大型金融機構,不過是國際市場的小而美。
因此,台灣金融業不得不逐漸揚棄小而美,轉而不斷試圖提高市場占有率。其實,這個發展方向是全球金融機構都蹣跚走過的,同類型金融機構合併,將提供成本綜效,不同類型的金融機構合併,則有跨售的收入綜效,組織金控,還將帶來資本綜效,再加上金融法案紛紛過關,台灣的金融業,將在整併後逐漸步上軌道。
日本和韓國已經先做了示範。日本的大型金控在整併後獲利漸入佳境,同時,也反映在股價表現上,大象級的瑞穗金控,最近股價上漲逾150%,其餘的金控漲幅也在百分之百以上。韓國的金融業經過一番整併,不但贏得外資肯定,最大的國民銀行漲幅也超過50%,其餘銀行漲幅更是可觀。近來購併案頻傳的台灣銀行業,正在面臨一場巨變,不只要美,也要大。如果整合能夠順利,將會漸漸出現可以躍上國際舞台的金融機構。

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓